Documentos de Académico
Documentos de Profesional
Documentos de Cultura
1−r 212.3
sr =
123
n−3 √
Por lo que podemos probar H0: r12.3=0 por medio de la t
r 123 √ n−3
t= 2
√1−r 12.3
CORRELACIÓN MULTIPLE
R1.23= r
√ 2
1 2+ ¿
r 13−¿ 2 r
1−r
2
r r
12 13 23
2
23
¿¿
CORRELACION CANONICA
El análisis de correlación canónica se aplica a situaciones donde es apropiada la
técnica de la regresión, pero para más de una variable dependiente. Aunque otra
aplicación del análisis de correlación canónica es como un método para
determinar la asociación entre dos grupos de variables. Es una generalización de
la regresión múltiple al caso de más de una variable dependiente. Este análisis
está íntimamente relacionado con el análisis canónico discriminante y tiene ciertas
propiedades análogas al análisis de componentes principales y al análisis factorial,
en el que en lugar de tratar de estudiar las dependencias internas entre las
variables de un mismo grupo, en el caso de la correlación canónica lo que se
estudia es la relación o dependencia entre dos grupos de variables.
En el análisis de correlación canónica se examina la relación lineal entre un grupo
de variables, X, y un grupo, o más de un grupo, de variables Y. Por lo que la
diferencia es que ahora se tiene más de una variable Y. La técnica consiste en
encontrar una combinación lineal de las variables X (V 1=B1X1+B2X2+...+bpXp) y
otra combinación lineal de las variables Y (U 1=a1y1+ a2y2+...+aqyq) de tal manera
que la correlación entre U y V sea máxima. Después encontrar otras dos
combinaciones lineales para cada grupo de variable que tenga correlación máxima
y así sucesivamente se encuentran un conjunto de combinaciones lineales para
cada grupo de variables que tienen correlación máxima. A estas combinaciones
lineales se denominan variables canónicas, y las correlaciones entre los
correspondientes pares de variables canónicas se denominan correlaciones
canónicas.
El análisis de correlación canónica se aplica a situaciones en las que es adecuada
la técnica de la regresión, pero existe más de una variable dependiente. Otra
aplicación útil es para probar la independencia entre los dos grupos de variables,
Y y X, como se verá dentro de un momento.